关于随机子空间,谢谢

zholv

1、用一个传感器的输出可以识别多阶模态,用多个传感器的输出输入到程序里面也能识别出对应的多阶模态, 请问这两个有啥区别?

2、按理来说,一个传感器的输出就可以识别出频率和阻尼比,多个传感器也可以识别,这就相当于对数据进行了融合,不知道对与不对? 还有具体的融合原理是怎么样的?如果识别振型的话所有的传感器必须都得用,这里面有没有那种融合的思想了?

3，还有一个问题,随机子空间识别的时候对传感器的输出物理量有没有要求? 比如一般都用加速度的数据,可以用位移和速度识别吗?还有,可以把这几个信息放在一起识别吗?

非常感谢!

[ 本帖最后由 fengchunlijdb 于 2008-12-9 07:41 编辑 ]

hanfen

我的理解：
一个或者多个传感器的主要区别是阵型， 对频率和阻尼没有太大的影响。如果说一定有的话，就是你说的数据融合了。 融合的原因是他的预测过程变成了VAR建模
好像没有物理量的要求，只要是谐波过程，他都能给出一个状态空间的表示

zholv

原帖由 hanfen 于 2008-12-8 23:24 发表

                               
登录/注册后可看大图

我的理解：
一个或者多个传感器的主要区别是阵型， 对频率和阻尼没有太大的影响。如果说一定有的话，就是你说的数据融合了。 融合的原因是他的预测过程变成了VAR建模
好像没有物理量的要求，只要是谐波过程，他都能 ...

HANFEN您好,非常感谢你的回复,您说的:"融合的原因是他的预测过程变成了VAR建模"这句话我理解了半天理解不了,我现在想做的是信息层融合或者决策层融合,也就是把每个传感器的识别结果融合,如果说是决策层融合的话是不是就不存在你说的那个问题了?麻烦您给我讲解一下,非常感谢!

xuxinnuaa

1.用一个传感器的输出来识别，就是单输出识别，用多个传感器的输出来识别，就是多输出识别。
2.要说什么数据融合，不是这样的，测点多，当然包含的信息量就大，但是我们做模态识别的人都知道，一个识别方法能不能用到实际，一个很关键的，就是你的识别方法里，测点数目不能是全部的，理论上最好一个点就能识别，就像时域里的ITD方法，可以用虚拟测点。
3.关于采样，采什么，最好是加速度，因为方便，容易实现，当然也可以是位移，速度，和加速度的组合，我们课题组前一段发的文章就是这样的

cammer534

楼主，你好，请问你的随机子空间法是自己编程序还是用的什么其他软件？？？